Statistikk og matematikk

Transkript

1 Statistikk og matematikk Halvor Aarnes Revidert Innholdsfortegnelse Sannsynlighetsregning... 3 R din nye kalkulator... 7 Matriser, matriseregning og vektorer Vektorer og vektorrom Praktiske øvelser Myntkast Bernoulli Binomial Bernoullifordeling Fordelingsfunksjon og sannsynlighettetthetsfunksjon Geometrisk fordeling Den sentrale tendens Binomial fordeling Forventning og varianse Sentralgrenseteoremet og de store talls lov Konfidensintervall t-fordelingen Forventet verdi og varianse i binomialfordelingen n fakultet (n!) og Pascals trekant Telle antall måter å ordne objekter Flervalgseksamensoppgaver Mengdelære, union, snitt og Venn-diagram Kortstokk Terningkast Betinget sannsynlighet de Méré og gambling Studentenes måltall Eksperimenter og hypotesetesting Chi(χ 2 )-kvadratfordeling Regresjon og korrelasjon Myntkast og GLM

2 Bayes regel og falske positiver loglikelihood, x kjent p ukjent Old Faithful Hår- og øyefarge Topologi Polygoner, polyedre og Euler-karakteristikk Kjeder og ledd Fraktaler Fibonacci-tall og spiraler Grupper og symmetri Eliptiske kurver Hyperkomplekse tall, kvaternioner og E Travelling Salesperson Problem (TSP) Diverse funksjoner Kardioide Asteroide Sommerfuglkurve Heksen til Agnesi Episykloide Eliptisk integral: beregning av buelengder Gauss konstant Minste kvadraters metode Vekstkurver Populasjoner og vekst Stokastiske modeller Tetthetsavhengig vekst (logistisk modell) Stokastistitet i logistisk vekstkurve Diskret populasjonsvekst logistisk vekstkurve Differensialligning med tidsforsinkelse Konkurransemodell Demografi

3 Sannsynlighetsregning Lengde, areal, volum eller masse er eksempler på mål av fysiske eller geometriske objekter. Målteori er koblet til egenskaper som at et volum består av addisjon av delvolumer av et objekt, additive mengdefunksjoner. Det er en nær sammenheng mellom målteori, sannsynlighetsregning, mengdelære og integrasjon. Den franske matematikeren Hènri Lèon Lebesgue ( ) var den som innførte moderne mål- og integrasjonsteori. En type mål er sannsynlighet for at en hendelse skal skje, for eksempel observasjon av en fugleart eller pattedyrart. Teorier om sannsynlighet har sin opprinnelse fra 1654 og de to franske matematikere Blaise Pascal og Pierre de Fermat. Pascal bygget den første regnemaskin, pascaline drevet av tannhjul, som kunne addere og subtrahere. Den franske adelsmannen Chevalier de Méré var interessert i gambling og terningspill. Et av spillene bestod i å vedde penger på å få minst en dobbel sekser ved å kaste to terninger 24 ganger. Méré mente at det var gunstig å satse på et slikt veddemål, men hans egne beregninger viste det motsatte, og han startet derved å brevveksle med Pascal og Fermat om problemet. Dette var starten på teorien bak sannsynlighetsregning. På basis av disse brevene skrev nederlenderen Christiaan Huygens ( ) en lærebok om sannsynlighet ved gambling, De ratiociniis in ludo aleae (1657). Jakob Bernoulli ( ) og Abraham de Moivre ( ) videreutviklet teoriene om sannsynlighet. Pierre de Laplace ( ) skrev i 1812 Theorie analytique des probabilies. 3

4 Sannsynlighetsregningen ble ikke bare brukt i forbindelse med spill og gambling, men også innen forsikring, økonomi, finans og statistisk mekanikk. Andre bidragsytere var Andrej Andrejevitsj Markov ( ), Pavnutij Lvovitsj Tsjebysjev ( ), Richard von Mises ( ) og Andrej Kolmogorov ( ). Vi treffer også stadig på de matematiske konstantene pi (π), det naturlige tallet e og gamma (Г) i sannsynlighetsregning. Florence Nightinggale laget statistikk og grafisk presentasjon av statistikk over døde og sårede under krimkrigen i form av et rosediagram, og fikk på grunnlag av dette britiske myndigheter til å bedre sanitærforholdene og behandlingen av de skadete. library(histdata) data(nightingale) 4

5 I dag produseres enorme mengder data innen molekylærbiologi (sekvensering av nukleinsyrer og proteiner, evolusjon, biokjemiske omsetningsveier og enzymer, bestandsdata og demografi), astronomi (bildebehandling, signaloverføring), økologi (miljødata og miljøovervåkning), medisin (epidemiologi) og språk (oversettelse og gramatikk), som behandles med statistiske algoritmer. Det er skapt en ny måte å drive forskning basert på numeriske beregningsmetoder. I Sloan Digital Sky Survey brukes vidvinkel optisk teleskop (30 CCD hver med piksler=125 megapiksler) til å avfotografere hele himmelen og enorme datamengder legges ut på internett. Disse bildene sammen med bilder fra Hubbleteleskopet brukes i Google Sky. Epidemiologen Sir William Richard Shaboe Doll ( ) brukte statistikk for å finne koblingen mellom røyking, lungekreft og økt risiko for hjertesykdom. Doll studerte også sammenheng mellom stråling fra radioaktive isotoper og leukemi, samt industrirelaterte skader av nikkel, tjære og asbest. Via Google, Facebook, Youtube, Twitter og andre medier lastes det opp enorme datamengder, mange zettabyte (ZB), trilliarder byte (1 yottabyte (YB)=10 24 byte, 1 ZB=10 21 byte,1 Exabyte(EB)=10 18 bytes, 1byte=8bits, 1 bits er et binært siffer 0 eller 1), som kan brukes i statistiske undersøkelser, for dem som har adgang til dem. Pionérene var utviklingen av datamaskiner var Charles Babbage ( ) som laget utkastet til hvordan en regnemaskin, Analytical engine, burde konstrueres. Alan Mathison Turing ( ) var med å lage en Turingmaskin, deltok i løsningen av Enigma-koden og utviklingen av kryptografi. Samt ungareren Janos von Neumann ( ), som ga viktige bidrag til kvantemekanikk, økonomi og spillteori bl.a. med boka Theory of games and economic behaviour (1944) skrevet sammen med O. Morgenstern, var opptatt av utvikling av datamaskiner i sine siste leveår. Ole-Johan Dahl og Kristen Nygaard ved Norsk Regnesentral ga viktige bidrag i utviklingen av objektorienterte programeringsspråk. 5

6 Larry Page Sergey Brin ved Standford universitetet utviklet PageRang algoritmen som søkemotoren Google bruker til å rangere nettsider på verdensveven www. Nettsidene får tildelt numerisk vekting på logskala avhengig av hvor mange lenker det er til sidene, et indeksert rangordnet hierarki basert på lenkepopularitet og siteringsanalyse. Søkemotorene leter igjennom alt som publiseres på internet, og sorterer, indekserer og lagrer innholdet. Det kan gjøres teoretiske beregninger vedrørende sannsynligheten for å havne på en nettside ved å klikke på en lenke. Søkeord bringer deg sannsynligvis til den mest aktuelle nettsiden. Web-sidene betraktes som noder koblet i et nettverk,graf-teori, hvor man ser på sannsynligheten for å forflytte seg tilfeldig fra en side lenket til en annen, en form for Markov-kjede. PageRangverdiene kan man også finne igjen som en egenvektor til en stokastisk matrise. PageRang algoritmen kan brukes til å beregne siteringsindekser for forskning (ISI), eller til å rangere gater for å prediktere hvor mange fotgjengere og biler som vil befinne seg i disse. Eulers studium av de syv bruene i Königsberg var introduksjonen til Graf-teori. Graf-teori og nettverksanalyse brukes også innen ligvistikk, sosiologi, biologi, kjemi og fysikk. En graf tegnes som punkter eller sirkler som er forbundet med hverandre med rette eller buete streker, eventuell retning kan angis med piler. En graf er et abstrakt topologisk objekt slik at avstander og størrelser har ingen betydning, bare koblingen mellom dem. En graf blir enklest representert via en matrise, e.g. en nxn naboskapsmatrise hvor n er antall nodier. Andre problemstillinger tilknyttet grafteori er bl.a. : firefarge-, reisende selger (TSP)-, korteste vei-, og Hamiltonvei-problemet. Statistikkmaskin-translasjon (e.g. Google translate)brukes i oversettelse av språk basert på statistikk fra flerspråkelige tekst corpora (ent. corpus). Oversettelsen er basert på statistikk, Shannons informasjonsteori. Man kan bruke flere metoder for oversettelse: gramatikk og ordliste, fraser, 6

7 syntaks. Rekkefølgen på subjekt, verb og objekt varierer også mellom språk. Oversettelse basert på statistikk og ordrekkefølge har også utfordringer bl.a. skille mellom hans og hennes. Claude Edward Shannon publiserte i 1948 en artikkel A mathematical theory of communication, hvor han innførte et mål på informasjon i form av bit. Entropi er et mål på usikkerhet tilknyttet en tilfeldig variabel. Et myntkast, Bernoulli-eksperiment, har entropi 1 bit. Entropiraten er 1 bit per myntkast. Entropi innen informasjonsteori er et mål på uforutsigbarhet. En mynt har maksimal entropi, det er umulig å forutsi sikkert om hva utfallet vil bli, mynt eller kron. Innen termodynamikk er entropi et mål på uorden, introdusert av Ludwig Bolzmann ( ), og Josiah Willard Gibbs ( ). Den tyske fysikeren Rudolph Julius Emmanuel Clausius ( ) brukte ordet entropi (gr. evolusjon) for å indikere tilknytning til energi. Kolmogorov brukte begrepet entropi om dynamiske systemer, Kolmogorov-Sinai entropi, med måleenhet invers tid. KS-entropi angir et mål på hastigheten på tap av forutsigbarhet, og er lik summen av positive Lyapunov-eksponenter (Kaplan-Yorke-konjektur). Et fullstendig tilfeldig system har uendelig KS-entropi og et periodisk system har null entropi. Innen statistisk oversettelse og talegjenkjenning har man den betingete sannsynligheten p(e f), gitt tekststrengen f på et språk som skal oversettes til tekststreng e på et annet språk. I oversettelsen blir det et kompromis mellom søketid og nøyaktighet i oversettelsen. R din nye kalkulator Du finner arbeidsmappen som R bruker, og kan sette inn din egen. Det kan fra File i menylinjen velge en ny arbeidsmappe med Change dir. Ved å skrive dir() får du utskrift over filene som ligger i mappen du har valgt. Hver gang du nå leser inn en datafil vil R lete i arbeidsmappen for å se om filen ligger der, hvis ikke får du en feilmelding. Her leses data inn i R i form av en txt-fil som blir til en dataramme, objektet a, og 7

8 hvor første rad inneholder variabelnavn. R betrakter NA som manglende data. NaN (not a number) og Inf (uendelig) angir manglende numeriske verdier. Det finnes mange spesialmuligheter for innlesing av data i R fra en rekke filformater a<-read.file filnavn.txt,header=t) R bruker punktum (.)og ikke komma (,) i desimaltallene. Hvis du har en fil med komma må du gi R beskjed om dette: a<-read.file filnavn.txt,dec=,,header=t) Noen andre kommandoer getwd() #arbeidsmappe setwd("mappeadresse") #lager ny mappeadresse Er du koblet til internett er det mange søkemuligheter: help(rsitesearch) Du kan lage tallrekker og sekvenser med data 1:10 #ordnet sekvens av heltall 1-10 [1] (1:10) [1] seq(from=1,to=4,by=0.5) #1-4 i trinn 0.5 seq(1,4,0.5) [1] Repeterte sekvenser rep(6,5) #6 repetert 5 ganger [1] rep(1:4,2) #1-4 repetert 2 ganger [1] rep(1:4,each=3) [1] Vi kan finne ut hvilken klasse et objekt tilhører: x<-c(3,6,2,3,8,12,4,9,5,6);x [1] class(x) [1] "numeric" sort(x) #sorter rekkefølge [1] sort(x,decreasing=t) #sorterer minskende T=TRUE [1] m<-c("lav","medium","høy");m [1] "lav" "medium" "høy" class(m) [1] "character" 8

9 Det er logiske operatorer sann (TRUE) (T) eller falsk (FALSE) (F) a<-c(true,false);a [1] TRUE FALSE class(a) [1] "logical" x>5 [1] FALSE TRUE FALSE FALSE TRUE TRUE FALSE TRUE FALSE TRUE x!=3 #ikke lik [1] FALSE TRUE TRUE FALSE TRUE TRUE TRUE TRUE TRUE TRUE a<-1:3;a [1] y<-4:6;y [1] a+y #addisjon [1] a-y #subtraksjon [1] a*y #multiplikasjon [1] a/y #divisjon [1] sqrt(9) #kvadratrot [1] 3 2^4 #potens 2 i 4 fjerde [1] 16 Tall som mangler (ikke tilgjengelig) betegnes NA ( not available ). NA kan fjernes fra et datasett med na.rm() b<-c(1:3,6,8,na);b [1] NA Data kan skrives i matriser med rader og kolonner: X<-matrix(letters[1:6],nrow=2);X [,1] [,2] [,3] [1,] "a" "c" "e" [2,] "b" "d" "f" A<-matrix(month.abb[1:12],ncol=2);A [,1] [,2] [1,] "Jan" "Jul" [2,] "Feb" "Aug" [3,] "Mar" "Sep" [4,] "Apr" "Oct" [5,] "May" "Nov" [6,] "Jun" "Dec" 9

10 Komplekse tall, plottet som grafisk eller geometrisk representasjon med reell akse og imaginær akse. Du kan bruke alle de kjente regneoperasjonene på de komplekse tallene og du kan regne med komplekse funksjoner. z<-2+3*1i #komplekst tall z=3+3i #plotter komplekst tall med tekst og akser plot(z,col=4,pch=16,cex=2,xlim=c(0,2.5),ylim=c(0,3), main="z=a+bi") arrows(0,0,2,3,col=2,lwd=3) text(1,1.7,"r",cex=3,col=3) text(0.5,0.3,expression(theta),col=3,cex=3) abline (h=0,v=0,lty=2) Vi kan finne modulus til et komplekst tall, det vil si avstanden (r) fra origo til koordinatene (a,b) i et komplekst tall z=a+bi, i vårt eksempel (2,3). Argumentet til det komplekse tallet er vinkelen mellom reell akse og vektoren som går fra origo (0,0) til (a,b), regnet mot klokka. Et komplekst tall kan derved skrives i form av polarkoordinater (r,φ). Mod(z) #modulus [1] Arg(z) #argument [1] Matriser, matriseregning og vektorer En kolonnevektor K er en nx1 matrise med bare en kolonne. 10

11 En radvektor R er en 1xn matrise med bare en rad: En mxn matrise A har m rader og n kolonner: En nxn kvadratmatrise B har n rader og n kolonner En nxn diagonalmatrise D har 0 i alle ledd bortsett fra hoveddiagonalen: En diagonalmatrise hvor alle tallene på hoveddiagonalen er lik 1 og resten lik 0 (a ij =1 når i=j og a ij =0 når i j)kalles en identitetsmatrise (enhetsmatrise) av orden n (I n ) En matrise nxn A multiplisert med identitetsmatrisen gir den opprinnelige matrisen: A<-matrix(c(1,1,2,-4,-2,-5,6,1,4),nrow=3);A [,1] [,2] [,3] [1,] [2,] [3,] I3<-diag(1,nrow=3) A%*%I3 [,1] [,2] [,3] [1,] [2,] [3,] Nullmatrisen 0 har alle tall lik 0: 11

12 Matrisen A multiplisert med nullmatrisen gir en nullmatrise. I en transponert (transposert) matrise A T bytter rader og kolonner plass, men hoveddiagonalen blir lik den opprinnelige matrisen A: X<-matrix(1:9,nrow=3);X [,1] [,2] [,3] [1,] [2,] [3,] t(x) #transponert matrise X^T [,1] [,2] [,3] [1,] [2,] [3,] Hvis vi i stedet er en 2x3 matrise så vil den transponerte matrisen bli en 3x2 matrise: X2<-matrix(c(1,4,2,5,3,6),nrow=2);X2 [,1] [,2] [,3] [1,] [2,] t(x2) #transponert matrise X^T [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 Hvis den kvadratiske transponerte nxn matrisen A T er lik den opprinnelige matrisen A har vi en symmetrisk matrise. Vi kan utføre matrisealgebra. A og B er to mxn matriser, og summen av dem A+B=B+A (kommutativ lov) blir lik summen av enkeltelementene. Tilsvarende for matrisesubtraksjon,men da A- B. 12

13 X2<-matrix(c(1,4,2,5,3,6),nrow=2);X2 [,1] [,2] [,3] [1,] [2,] X3<-matrix(1:6,nrow=2);X3 [,1] [,2] [,3] [1,] [2,] X2+X3 [,1] [,2] [,3] [1,] [2,] En matrise kan bli multiplisert med en skalar k ved at alle elementene i matrisen blir multiplisert med k: k<-2 #skalar k*x2 [,1] [,2] [,3] [1,] [2,] Har vi en nxn kvadratmatrise A kan vi finne determinanten til matrisen deta. For en 2x2 matrise blir determinanten: Det vil si lik produktet av diagonalen øv-nh minus produktet diagonalen øh-nv. For en 3x3 matrise M blir determinanten detm= M : M<-matrix(c(1,2,-2,3,6,0,0,4,2),nrow=3);M 13

14 [,1] [,2] [,3] [1,] [2,] [3,] det(m) #determinanten til matrisen M [1] -24 Vi kan også regne med determinanter. De kan adderes, bli multiplisert med en skalar. Hvis vi har to nxn matriser A og B så vil: En kvadratisk nxn matrise er singulær hvis determinanten til matrisen er lik 0: M2<-matrix(c(2,2,-1,3,6,0,0,4,2),nrow=3);M [,1] [,2] [,3] [1,] [2,] [3,] det(m2) [1] 0 Tilsvarende, for en kvadratmatrise hvor determinanten er forskjellig fra 0, så er matrisen ikke-singulær. For to nxn matriser A og B hvor så er B en invers matrise til A, og A er en invers matrise til B. Det er bare mulig å invertere en matrise hvis determinanten til matrisen er forskjellig fra null. Hvis vi har en inverterbar matrise A: så vil den inverse matrisen A -1 være lik: 1 Hvis den transponerte nxn matrisen A T er lik den inverse matrisen A -1, (A T =A -1 )så kalles matrisen ortogonal. Vi kan løse lineære ligninger analytisk, dvs. vi trenger ikke bruke rekkereduksjon, og Gauss-Jordan eliminasjon:

15 Med matrisealgebra har vi: A<-matrix(c(1,1,2,-4,-2,-5,6,1,4),nrow=3);A [,1] [,2] [,3] [1,] [2,] [3,] det(a) #A er inverterbar deta forskjellig fra null [1] -1 B<-matrix(c(10,5,-3),nrow=3);B [,1] [1,] 10 [2,] 5 [3,] -3 solve(a,b)#løser ligningsystemet [,1] [1,] 124 [2,] 75 [3,] 31 Det vil si: x=124, y=75, z=31 Hvis A er en kvadratisk nxn matrise og determinanten til A er forskjellig fra null så får vi en entydig løsning av Ax=B lik x=a -1 B. Hvis deta=0 og B 0 så har Ax=B ingen eller uendelig mange løsninger. Vi kan organisere tallene i en matrise som kolonner eller rader. Kommandoene matrix(), data.frame() og array() har litt forskjellige muligheter. C<-matrix(1:4,ncol=2);C [,1] [,2] [1,] 1 3 [2,] 2 4 D<-matrix(1:4,nrow=2);D [,1] [,2] [1,] 1 3 [2,] 2 4 Vi kan plukke ut elementer fra en matrise D[,1] [1] 1 2 D[,2] [1] 3 4 D[1,1:2] [1]

16 Identitetsmatrisen I n har 1-tall i diagonalen og 0 for resten I4<-diag(1,nrow=4);I4 [,1] [,2] [,3] [,4] [1,] [2,] [3,] [4,] En nxn matrise M er invertibel hvis det eksisterer en invers matrise M -1 og matrisemultiplisering (%*%) av disse blir lik identitetsmatrisen: M<-matrix(c(1,1,2,4,6,4,0,1,2),nrow=3);M [,1] [,2] [,3] [1,] [2,] [3,] Minv<-solve(M);Minv [,1] [,2] [,3] [1,] [2,] [3,] M%*%Minv [,1] [,2] [,3] [1,] [2,] [3,] Hvis det finnes en invertibel matrise C slik at sammenhengen med to nxn matriser K og L er slik at: så er matrisene K og L formlike. Det betyr også at matrisene K og L har like egenverdier. For eksempel diagonalmatrisen D til K har egenverdiene langs diagonalen, og K sies å være diagonaliserbar hvis diagonalmatrisen D er formlik med K. Hvis en slik nxn matrise er diagonaliserbar har den n egenvektorer som er lineært uavhengige. Vi kan finne determinanten, egenverdier, egenvektorer og den transposerte matrisen. Hvis vi har en kvadratmatrise M så vil matrisen ganger egenvektorene (ν) være lik egenverdiene (skalarverdier λ ) ganger egenvektorene: 16

17 Egenverdien med størst absoluttverdi kommer først. Egenvektorer og egenverdier benyttes i stabilitetsanalyse av differensialligninger via Jacobi-matrise med partiellderiverte, i prinsipalkomponentanalyse ved multivariabel statisikk, eller i generelle likevektsstudier. I dette eksemplet blir egenverdiene og egenvektorene komplekse tall eigen(m) #egenverdier og egenvektorer $values [1] i i i $vectors [,1] [,2] [,3] [1,] i i i [2,] i i i [3,] i i i Hvis vi har en 2x2 matrise så vil determinanten være. Mer komplisert utregning for større tall av n: det det(m) #determinanten [1] 8 t(m)# transposert matrise, rader og kolonner bytter plass [,1] [,2] [,3] [1,] [2,] [3,] M<-matrix(c(1,1,2,4,6,4,0,1,2),nrow=3);M [,1] [,2] [,3] [1,] [2,] [3,] colsums(m) #kolonnesummer [1] rowsums(m) #radsummer [1] diag(m) #diagonalen [1] sum(diag(m))#sum av diagonal [1] 9 rowmeans(m) #gjennomsnitt rader [1] colmeans(m) #gjennomsnitt kolonner [1]

18 Datarammer, as.data.frame(),data.frame() er en type matriser som kan inneholde forskjellige datatyper, men lister, list(), kan i tillegg inneholde alt mulig rart. Bruker vi oppsummering summary() kommer svaret som en liste. Art<-c(rep(c("Hvete","Hvete","Rug","Rug"),2)) N<-c(rep(c("Lav","Høy"),4)) vekt<-c(210,320,160,205,345,455,180,230) lengde<-c(55,69,82,88,76,79,92,99) G<-as.data.frame(cbind(Art,N,vekt,lengde));G Art N vekt lengde 1 Hvete Lav Hvete Høy Rug Lav Rug Høy Hvete Lav Hvete Høy Rug Lav Rug Høy Man kan plukke ut deler av en matrise med subset G2<-subset(G,N=="Lav");G2 Art N vekt lengde 1 Hvete Lav Rug Lav Hvete Lav Rug Lav G3<-subset(G,N=="Lav"& Art=="Hvete");G3 Art N vekt lengde 1 Hvete Lav Hvete Lav G4<-expand.grid(Art=c("Hvete","Rug"),N=c("Lav","Høy"));G4 Art N 1 Hvete Lav 2 Rug Lav 3 Hvete Høy 4 Rug Høy #liste list(x=x,matrise=m, mnd=a,p=seq(0,1,0.2)) $x [1] $matrise [,1] [,2] [,3] [1,] [2,] [3,] $mnd 18

19 [,1] [,2] [1,] "Jan" "Jul" [2,] "Feb" "Aug" [3,] "Mar" "Sep" [4,] "Apr" "Oct" [5,] "May" "Nov" [6,] "Jun" "Dec" $p [1] Generere faktornivåer med gl-funksjonen: #genererer faktornivåer #2x2x2 tabell jn<-c("j","n") #ja, nei alkohol<-gl(2,4,8,labels=jn) sigarett<-gl(2,2,8,labels=jn) antall<-c(911,538,44,456,3,43,2,279) narkotika<-jn a<-data.frame(alkohol, sigarett,narkotika, antall);a alkohol sigarett narkotika antall 1 J J J J J N J N J 44 4 J N N N J J 3 6 N J N 43 7 N N J 2 8 N N N 279 M<-matrix(c(688,21,650,59),nrow=2, + dimnames=list("faktor"=c("røyking","ikke røyking"),"kreft"=c("ja","nei")));m Kreft Faktor Ja Nei Røyking Ikke røyking expand.grid()kan brukes til å lage alle mulige faktorkombinasjoner, for eksempel kombinasjon av faktorene a, b og c: b<-expand.grid(list(a=seq(0,4,2),b=c(1,2),c=seq(0,1)));b a b c

20 Skal man gjenta prosesser er det flere muligheter: replicate() apply() eller løkker for(i in 1:n){FUN} hvor FUN er funksjonen som du velger å bruke apply() kan brukes på rader (MARGIN=1) eller kolonner (MARGIN=2) i matriser. lapply() utfører apply på hvert element i en liste eller dataramme, og returnerer svaret som en liste. En lignende utgave er sapply(). Her et eksempel med å regne ut gjennomsnitt av 10 normalfordelte tall og gjenta dette 1000 ganger: hist(sapply(1:1000,function(x)mean(rnorm(10))),col="lightgreen ",breaks=20,xlab="",main="") Man kan også gjøre det på denne måten: hist(replicate(1000,mean(rnorm(10))),col="lightblue",breaks=20,xlab="",main="") #Den lille multiplikasjonstabellen x<-1:10;x #objekt med tallene 1-10 names(x)<-x;x #navn på objektene lik 1-10 x%o%x #matrisemultiplisering %o%

21 #Tabell y (kolonne) opphøyd i x-te (y^x) x<-1:10 #objekt med tallene 1-10 names(x)<-paste(x,":",sep="") #navn på objektene x lik 1-10 y<-1:10 names(y)<- paste(y,":",sep="") outer(y, x,fun="^") #matrise med y^x 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 1: : : : : : : : : : Matriser er svært velegnet til å løse ligningssystemer Løsningen av matrisen X vil være solve(a,b). Det er mulig å utføre QR-dekomposisjon, en nyttig teknikk i statistikk ved løsning av ligninger og beregning av regresjonskoeffisienter. Vi kan løse ligningssystemet: Dette er tre linjer i rommet som skjærer hverandre i et punkt Ligningene satt opp i matriseform: A<-matrix(c(1,3,1,1,6,-1,2,-1,-4),nrow=3);A [,1] [,2] [,3] [1,] [2,] [3,] B<-c(1,0,3);B [1] X<-solve(A,B);X #finner x,y,z [1] e e e-17 Vi ser at løsningen er (2,-1,0) Vi kan også løse et ligningssystem med komplekse tall:

22 A<-matrix(c(4-1*1i,2+0*1i,2+0*1i,4-3*1i),nrow=2);A [,1] [,2] [1,] 4-1i 2+0i [2,] 2+0i 4-3i B<-c(3-1*1i,2+1*1i);B [1] 3-1i 2+1i solve(a,b) [1] i i Løsningene (x,y) i kompleksplanet er lik ( i, i) Vektorer og vektorrom En geometrisk vektor er en pil i et todimensjonalt euklidsk vektorrom R 2 (et plan), i et tredimensjonalt euklidsk vektorrom R 3 (et 3D-rom) eller i et n-dimensjonalt euklidsk vektorrom R n. Hvis vektoren utgår fra et origo kalles den en fastvektor. Vektorer i et vektorrom kan også beskrives som algebraiske vektorer som koordinater i et koordinatsystem, for eksempel radvektoren [x,y,z] i R 3. Et punkt er en nullvektor. Vektorer kan summeres, og man kan multiplisere en vektor med en skalar, som igjen gir en ny vektor. Lengden av en vektor i det euklidske tredimensjonale rom,som går fra origo (O) til punktet P med koordinatene (x,y,z), er Denne er lik lengden av hypotenusen av en rettvinklet trekant som fremkommer hvis vektoren projiseres ned i planet, har koordinatene P 0 (x,y,0) og bruker vi Pythagoras blir lengden av vekten i planet Vi kan finne avstanden d mellom to punkter i rommet A[x 1,y 1,z 1 ] og B[x 2,y 2,z 2 ]: Hvis vi har to vektorer a og b med samme utgangspunkt så blir skalarproduktet, lengden av vektorene multiplisert med hverandre og multiplisert med cosinus til vinkelen mellom dem. skalarproduktet blir lik et tall:, 22

23 Hvis vektorene står ortogonalt (vinkelrett på hverandre) blir cosinus til vinkelen lik 0, og skalarproduktet blir lik null. For to ortogonale vektorer a og b som ikke er nullvektorer blir skalarproduktet lik null: 0 skalarproduktet kan også skrives som koordinater:,,,, Regning med skalarprodukter følger vanlige regneregler: 2 2 Hvis vi har to kolonnevektorer x og y i R 3 : så vil skalarproduktet x y bli lik: Generelt hvis vi har to vektorer x og y i et n-dimensjonalt vektorrom R n så vil skalarproduktet bli: 23

24 Den tilsvarende absoluttverdien x, eller normen som den også kalles, blir: Hvis absoluttverdien x =1 så har vi en enhetsvektor. To vektorer som står vinkelrett på hverandre er ortogonale. To vektorer x og y i R n er ortogonale hvis x y=0. Assosiativ og kommutativ lov gjelder for summering av vektorer. Summen av to n-dimensjonale vektorer blir en ny n-dimensjonal vektor. Hvis en skalar multipliseres med en n-dimensjonal vektor så blir svaret en n-dimensjonal vektor. Hvis vi har k vektorer v 1, v 2,,v k og skalarene (tall) c 1, c 2,,c k, hvor ikke alle er lik null, så vil vektoren y være en lineær kombinasjon av disse hvis følgende gjelder: Hvis vi har en mengde lineært avhengige vektorer v 1, v 2,,v k i R n så kan dette også uttrykkes som en vektorligning, hvor vi erstatter c med x: 0 som har flere løsninger enn den trivielle hvor x 1 =x 2 = =x n =0. Hvis derimot den eneste løsningen av vektorligningen er de trivielle løsningene lik 0 så er vektorene v 1, v 2,,v k lineært uavhengige. Hvis vi har en vektor y, og vektorene v 1, v 2 og v 3 kan vi undersøke om disse er lineært avhengige hvis vi finner skalarverdiene c 1 og c 2 : som tilfredsstiller ligningen: Det betyr å finne c 1, c 2 og c 3 som tilfredsstiller:

25 C<-matrix(c(1,3,2,2,3,2,4,2,1),nrow=3);C [,1] [,2] [,3] [1,] [2,] [3,] det(c)#determinanten [1] 1 B<-matrix(c(3,2,3),nrow=3);B [,1] [1,] 3 [2,] 2 [3,] 3 solve(c,b) [,1] [1,] -15 [2,] 19 [3,] -5 Ja, v 1, v 2 og v 3 er lineært avhengige, c 1 =-15, c 2 =19,c 3 =-5. Hvis derimot y=0: B2<-matrix(c(0,0,0),nrow=3);B2 [,1] [1,] 0 [2,] 0 [3,] 0 solve(c,b2) [,1] [1,] 0 [2,] 0 [3,] 0 så ser vi at løsningen bare er de trivielle, det vil si v 1, v 2 og v 3 er lineært uavhengige. Alle vektorer x i det tredimensjonale vektorrommet R 3 kan skrives i form av tre lineært uavhengige enhetsvektorer som basis, en standardbasis: Vektorene u 1, u 2,,u k fra et undermengde av M vil danne en basis for M hvis alle vektorene x i M kan skrives som: 25

26 Hvis man tar to basiser S={s 1,s 2,,s n } og T={t 1,t 2, t n } for R n, så kan vektorene i basis S skrives i form av vektorene med basis T hvor koeffisientene a nn danner en transformasjonsmatrise. hvor transformasjonsmatrisen er: Man kan ha lineære transformasjoner fra et vektorrom til et annet, for eksempel fra R 3 til R 2, ved hjelp av en transformasjonsmatrise. For eksempel rotasjon av 2-D koordinatsystem rundt origo, så vil punktet P (a,b) får nye koordinater (x,y) i det nye koordinatsystemet, hvor (a,b) dreies vinkelen θ mot klokka. Se på en figur og finn at : eller: hvor transformasjonsmatrisen er: Eller omvendt: Egenverdier og egenvektorer Vi har en matrise M med egenvektor ν og egenverdi λ: 26

27 0 0 hvor I 2 er enhetsmatrisen, og Iν=ν Vi setter Vi skal finne egenvektoren med de ukjente α og β: Dette tilsvarer ligningene i følgende homogene ligningssystem, hvor α og β er ukjente: 0 0 Vi ønsker ikke-trivielle løsninger og derfor må følgende determinant være lik null. 0 Fra den karakteristiske ligningen bestemmes egenverdiene λ og deretter kan egenvektorene bestemmes. Følgende matrise har egenverdiene λ 1 =5 og λ 2 =2: M<-matrix(c(4,2,1,3),nrow=2);M [,1] [,2] [1,] 4 1 [2,] 2 3 eigen(m) #egenverdier og egenvektorer $values [1] 5 2 $vectors [,1] [,2] [1,] [2,] Egenverdiene kan også være komplekse tall. Hvis vi har en nxn matrise M hvor alle verdiene er positive og summen av verdiene i alle kolonnene er lik 1 så har vi en transformasjonsmatrise til en Markov-kjede. 27